内容C2M，本质上是对人心的一种洞察和预测。技术与人心的斗法，并非一朝一夕便能奏功。人类思想的根本特征在于“意识”，即个体理解自己与他人的心理状态，包括情绪意图、期望、思考和信念等，并借此信息预测和解释他人行为的一种能力。

但是，当前的人工智能领域中存在着一个很严重的问题：人们误解了深度学习模型的工作机理，并高估了网络模型的能力。

通过深度学习，我们可以训练出一个模型，它可以根据图片内容生成文字描述。这个过程被视作机器“理解”了图片和它生成的文字。当某个图像存在轻微改变，导致模型开始产生相当荒谬的字幕时，结果就会让人非常惊讶—模型失灵了。机器能找出一只猫，但机器仍然不能识别跟猫相关的所有信息。

回顾历史不难发现，技术一直追求的目标，与其说是让机器替代人类，而不如说是制造聪明的机器来提高效率。协同过滤技术的发展便是个明显的例子。

最近几年来，互联网巨头制造“聪明的机器”的积极性异常高涨，也是效率使然。根据微软研究院的估计，亚马逊网站上大约30%的页面浏览来自于推荐系统；Netflix首席产品官声称80%以上的电影观看来自于推荐系统，并称Netflix推荐系统的价值每年高达十亿美元；据阿里巴巴披露数字，2013年当天由推荐直接引导的成交总额为56.8亿元。今日头条则将公司核心业务架构在推荐引擎上，是当今最重视推荐技术的公司之一……

在内容C2M发展历程中，尽管深度学习存在许多不足，但深度学习主导未来是大概率事件。我们看到代表着传统推荐技术和深度学习的新老派在相互促进和相互融合，在全球流量前20的平台中，虽然有不少公司依然沿用采用协同过滤技术，比如Google新闻，LinkedIn等，但是其中一些公司也已经准备甚至已经采用深度学习等技术来改进自身不足。而YouTube、Facebook等先行者已开始享受深度学习的红利。

从饲养员模式到聪明的机器，内容产业的C2M已然成势，颠覆日，不远了。

我们可以相信，虽然深度学习还存在着一些制约因素，但是，随着AI技术和产业的强劲发展，技术上的瓶颈终究会被突破。

需要警惕的是，在C2M跨越了准确、隐私两座大山后，人类通过AI掌握了新的力量，掌握者的欲望和野心，也应该受到一定的控制，尤其是价值观问题，将显得越发重要。

作者：张孝荣、饶雪琪、曹莹莹

来源：微信公众号：腾讯研究院

本文由 @腾讯研究院 授权发布于人人都是产品经理，未经作者许可，禁止转载。返回搜狐，查看更多